Claim Missing Document
Check
Articles

Found 17 Documents
Search

KLASIFIKASI INDEKS PEMBANGUNAN MANUSIA KABUPATEN/KOTA SE-INDONESIA DENGAN PENDEKATAN SMOOTH SUPPORT VECTOR MACHINE (SSVM) KERNEL RADIAL BASIS FUNCTION (RBF) Fatkhurokhman Fauzi; Moh. Yamin Darsyah; Tiani Wahyu Utami
PROSIDING SEMINAR NASIONAL & INTERNASIONAL 2017: Prosiding Seminar Nasional Pendidikan, Sains dan Teknologi
Publisher : Universitas Muhammadiyah Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (532.023 KB)

Abstract

Human Development Index (HDI) is a measure of human development achievementbased on basic components of quality of life. The human development index is low ifthe HDI is less than 60, moderate HDI between 60 to less than 70, high HDI between70 to less than 80, and equal to 80 and more than 80 are high. Smooth SupportVector Machine (SSVM) is a classification technique that is new. The algorithm usedis Radial Basis Function (RBF). The result of human development sperm using SSVMmethod with RBF kernel is 100%. With 41 districts / cities including low HDI. While332 districts / cities are included in medium HDI coverage, 134 districts / cities areincluded in the high HDI, and 12 districts / cities including HDI is very high. Keywords : Human Development Index, Smooth Support Vector Machine (SSVM), Radial Basis Function (RBF), accuracy, classification.
ANALISIS JALUR TERHADAP FAKOR-FAKTOR YANG MEMPENGARUHI INDEKS PEMBANGUNAN MANUSIA Yuni Nurkuntari; Fatkhurokhman Fauzi; Moh Yamin Darsyah
Value Added : Majalah Ekonomi dan Bisnis Vol 12, No 2 (2016): Value Added - Manajemen UNIMUS
Publisher : Universitas Muhammadiyah Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (303.097 KB) | DOI: 10.26714/vameb.v12i2.3373

Abstract

Human development index (HDI)is one of the benchmarks of human development in an area, where the area is said to be advanced or not seen from the index of human development. Where in the index of human development itself is influenced or formed in theory published by Badan Pusast Statistik itself is formed by three basic components of life expectancy index where indicator is life expectancy, education index with indicator that is average of school length and school long expectation , and the standard living index is eligible to take customized per capita expenditure indicators. In the regression or correlation method is only limited in knowing whether or not the influence or relationship but themodel obtained in accordance or not no further information. However there is a direct and indirect test of path analysis. So in this research will study about path analysis on Human Development Index (HDI) in West Java Province. Before testing the suitability of models there are assumptions that must be met, among others, normality, autocorrelation, multikolinier, heteroseksdastisitas. Unfulfilled assumptions include heterosexuality and aoutocorrelation. However, the test for suitability of the model tested is very accurate as shown by the Minimum Fit Function value of Chi-Square = 0.00 (P = 1.00000) because the minimum Chi-Square value and P-value value of 1> 0.05 means the model is correct. With a relationship or a large correlation between X_1 with Y, X_3 with Y and X_4 with Y.Relationships are all there are relationships and variables have significant parameters.Key words: HDI, Correlation, Path Diagram, Path Analysis
SMOOTH SUPPORT VECTOR MACHINE (SSVM) UNTUK PENGKLASIFIKASIAN INDEKS PEMBANGUNAN MANUSIA KABUPATEN/KOTA SE-INDONESIA Fatkhurokhman Fauzi; Moh. Yamin Darsyah; Tiani Wahyu Utami
Jurnal Statistika Universitas Muhammadiyah Semarang Vol 5, No 2 (2017): Jurnal Statistika Universitas Muhammadiyah Semarang
Publisher : Department Statistics, Faculty Mathematics and Natural Science, UNIMUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (415.254 KB) | DOI: 10.26714/jsunimus.5.2.2017.%p

Abstract

Indeks Pembangunan Manusia (IPM) adalah mengukur capaian pembangunan manusia berbasis sejumlah komponen dasar kualitas hidup. Indeks pembangunan manusia dikatakan rendah jika IPM kurang dari 60, IPM sedang antara 60 sampai kurang dari 70,IPM tinggi antara 70 sampai kurang dari 80, dan sama dengan 80 dan lebih dari 80 tergolong IPM tinggi. Smooth Support Vector Machine (SSVM) merupakan teknik pengklasifikasian yang tergolong baru. Algoritma yang digunakan adalah Newton Armijo dengan pendekatan kernel linier, polynomial, dan Radial Basis Function (RBF). Hasil klasifikasi indeks pembangunan manusia dengan metode SSVM dengan kernel linier menunjukan keakuratan prediksi sebesar 84.77%, kernel polynomial 61.65%, dan kernel RBF sebesar 100%. Dengan jumlah klasifikasi 440 kabupaten/ kota untuk kernel linier,kernel polynomial 320, dan kernel RBF 519 kabupaten/kota yang dibagi menjadi 4 klasifikasi menurut BPS. Dari ketiga kernel yang digunakan kernel Radial Basis Function (RBF) merupakan kernel yang paling akurat dalam memperdiksi serta IPM.Kata kunci: Indeks Pembangunan Manusia, Smooth Support Vector Machine (SSVM),  kernel, akurasi, klasifikasi
EVALUASI METODE FUZZY TIME SERIES CHENG DAN RUEY CHYN TSAUR Fatkhurokhman Fauzi; Dwi Agustina; Indah Manfaati Nur
VARIANCE: Journal of Statistics and Its Applications Vol 3 No 2 (2021): VARIANCE: Journal of Statistics and Its Applications
Publisher : Statistics Study Programme, Department of Mathematics, Faculty of Mathematics and Natural Sciences, University of Pattimura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30598/variancevol3iss2page61-71

Abstract

Penelitian ini berfokus terhadap evaluasi metode Logika Fuzzy Time Series (FTS) Cheng dan Fuzzy Time Series (FTS) Logika Ruey Chyn Tsaur yang diterapkan pada data Nilai Tukar Petani (NTP). Data NTP yang digunakan adalah data NTP bulanan Provinsi Jawa Tengah dari periode 2008-2020. Evaluasi metode menggunakan Mean Square Error (MSE) dan Mean Percentage Error (MAPE) untuk melihat ketepatan/akurasinya. Hasil analisis menunjukkan bahwa peramalan FTS Logika Cheng dan FTS Logika Ruey Chyn Tsaur keduanya memiliki pola yang hampir sama dengan pola data sebenarnya. Hasil MSE dan MAPE dari FTS logika Cheng adalah 0,3331 dan 0,43%, sedangkan hasil MSE dan MAPE logika Ruey Chyn Tsaur FTS adalah 0,4054 dan 0,47%. Peramalan periode berikutnya menggunakan FTS logika Cheng sebesar 101,1711 dan FTS logika Ruey Chyn Tsaur sebesar 101,4112.
Peramalan Produksi Bawang Merah Kabupaten Brebes Menggunakan Autoregressive Integrated Moving Average (ARIMA) Septi Winda Utami; Rizma Novinda Puteri; Tiani Wahyu Utami; Fatkhurokhman Fauzi
Jurnal Litbang Edusaintech Vol. 3 No. 1 (2022): Volume 3 No 1 2022
Publisher : Litbang PWM Jawa Tengah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51402/jle.v3i1.76

Abstract

Kabupaten Brebes merupakan kabupaten terluas ke-2 di Jawa Tengah. Kabupaten Brebes mempunyai sumber daya manusia (SDM) yang mampu mengembangkan potensi komoditas unggulan di Kabupaten Brebes, terutama sektor pertanian yang menjadikan bawang merah sebagai komoditas utama dan ciri khas karena menjadi sektor penyumbang pendapatan terbesar daerah di Kabupaten Brebes. Pemerintah perlu membuat target produksi untuk merumuskan kebijakan pemerintah terkait pangan dan perekonomian, salah satunya dengan melakukan peramalan. Penelitian ini menggunakan metode Autoregressive Integrated Moving Average (ARIMA) karena bersifat fleksibel (mengikuti pola data), tingkat akurasi peramalan cukup tinggi dan cocok digunakan untuk memprediksi dengan cepat, sederhana, akurat, dan murah untuk meramalkan produksi bawang merah di Kabupaten Brebes pada Tahun 2021. Hasil Penelitian ini diperoleh model ARIMA terbaik yang mampu meramalkan produksi bawang merah di Kabupaten Brebes yaitu ARIMA (0,1,1) karena memiliki nilai AIC terkecil yaitu 904,52 dengan hasil peramalan produksi bawang merah di Kabupaten Brebes pada Tahun 2021 sebesar 3.031.561 kuintal.
LEMBAGA LINGKUNGAN HIDUP DAN PENANGGULANGAN BENCANA (LLHPB) AISYIYAH JAWA TENGAH Fatkhurokhman Fauzi; Tiani Wahu Utami; Eny Winaryati; Iis Widya Harmoko
ABDIMAS UNWAHAS Vol 8, No 1 (2023)
Publisher : Universitas Wahid Hasyim Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31942/abd.v8i1.8587

Abstract

Perubahan iklim dan bencana hidrometeorologi merupakan dua hal yang tidak terpisahkan beberapa tahun terakhir. Perubahan iklim semakin nyata, dibuktikan dengan rata-rata suhu yang semakin meningkat. Perubahan iklim secara tidak langsung disebabkan oleh berbagai akivitas manusia, diantaranya semakin banyaknya aktivitas industri, volume kendaraan yang semakin meningkat, dan ruang terbuka hijau yang semakin berkurang. Efek perubahan iklim secara langsung mengakibatkan bencana hidrometeorologi.  Oleh karena perlu diadakan literasi perubahan iklim dan efeknya terhadap bencana hidrometeorologi terhadap lembaga kemasyarakatan. Lembaga Lingkungan Hidup dan Penanggulangan Bencana (LLHPB) provinsi Jawa Tengah merupakan lembaga masyarakat di bawah Aisyiah yang bergerak dibidang lingkungan. Literasi disampaikan oleh dua narasumber yang memiliki kepakaran dibidang tesebut. Metedologi pelaksanaan pengabdian masyarakat ini dilakukan dengan cara penyampaian materi dan dilanjutkan dengan sesi diskusi. Sesi akhir dilakukan evaluasi terkait materi yang telah disampaikan, hasil yang diperoleh bahwa terdapat peningkatan pengetahuan peserta terkait perubahan iklim dan bencana hidrometeorologi.Kata kunci: Hidrometeorologi, Literasi, Perubahan Iklim, LLHPB Aisyiah
Perbandingan Hasil Klasifikasi Data Iris menggunakan Algoritma K-Nearest Neighbor dan Random Forest : Comparison of Iris Data Classification Results using the K-Nearest Neighbor and Random Forest Algorithms Budiono Rahman; Fatkhurokhman Fauzi; Saeful Amri
Journal of Data Insights Vol 1 No 1 (2023): Journal of Data Insights
Publisher : Department of Sains Data UNIMUS Universitas Muhammadiyah Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26714/jodi.v1i1.135

Abstract

Data mining merupakan suatau metode yang baik untuk menangani data skala besar. Performasi menjadi penting dalam metode data mining. Dua metode yang memiliki performasi terbaik diantaranya K-Nearest Neighbor (KNN) dan Random Forest (RF). Artikel ini membahas terkait perbandingan performasi K-NN dan RF. Data yang digunakan pada penelitian ini adalah Iris. Data dibagi menjadi 80% data training dan 20% data testing. Validasi performasi menggunakan nilai akurasi dan F1-Score. Berdasarkan nilai. Berdasarkan hasil yang didapat metode RF lebih baik dibandingkan dengan metode K-NN. Nilai akurasi yang didapat oleh metode RF adalah 1.00 atau 100% dan nilai F1-Score sebesar 1.00.
Brent Crude Oil Price Forecasting using the Cascade Forward Neural Network Fatkhurokhman Fauzi; Dewi Ratnasari Wijaya; Tiani Wahyu Utami
Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Vol 7 No 4 (2023): August 2023
Publisher : Ikatan Ahli Informatika Indonesia (IAII)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29207/resti.v7i4.5052

Abstract

Crude oil is one of the most traded non-food products or commodities in the world. In Indonesia, crude oil will still be a contributor to the gross domestic product in 2021. The excessive consumption of fuel oil (BBM) in Indonesia has resulted in a scarcity of crude oil, especially diesel. Forecasting the price of Brent crude oil is an important effort to anticipate fluctuations in the price of fuel oil. The cascade-forward neural network (CFNN) method is proposed to forecast fuel prices because of its superiority in fluctuating data types. The data used in this research is the price of Brent crude oil in the period January 2008 to December 2022. The CFNN method will be evaluated using the mean absolute percentage error (MAPE) to choose the best architectural model. The best Architectural Model is used to predict the next 12 months. After 10 architectural model trials, 2-6-1 became the best model with a MAPE data training value of 6.3473% and MAPE data testing of 9.4689%. Forecasting the results for Brent crude oil for the next 12 months tends to experience a downward trend until December 2023.
Rancang Bangun Sistem SIANIDA (Sistem Administrasi Digital Desa) Sebagai Upaya Akselerasi Pelayanan di Desa Sidorejo - Tarsan; Alfidha Rahmah; Ahmad Amrullah B; Qonita Syalsabilla Handayani; Rahma Nurmalita; Soffi Amalia Nur Kholifah; Yan Nazala Bisoumi; Dannu Purwanto; Fatkhurokhman Fauzi
Prosiding Seminar Nasional Unimus Vol 6 (2023): Membangun Tatanan Sosial di Era Revolusi Industri 4.0 dalam Menunjang Pencapaian Susta
Publisher : Universitas Muhammadiyah Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Desa Sidorejo di Kecamatan Karangawen, Kabupaten Demak, Provinsi Jawa Tengah, memiliki tantangansignifikan dalam pengelolaan administrasi desanya. Adanya populasi 7.000 jiwa dan hanya 18 perangkatdesa, mengakibatkan rasio antara perangkat desa dan penduduk tidak seimbang (1:388), sehinggamempengaruhi efisiensi dan pelayanan administratif. Solusi untuk mengatasi permasalahan tersebut, timpengabdian masyarakat yang terdiri dari Himpunan Mahasiswa Statistika dan dosen mengusulkan solusimelalui implementasi “Sistem Administrasi Digital Desa (SIANIDA)”. SIANIDA merupakan website desauntuk pengajuan surat online yang dapat mengurangi antrian, dan meningkatkan efisiensi. Implementasisistem tersebut dilakukan dengan sosialisasi dan pelatihan bagi perangkat desa dan masyarakat. Pelatihandilakukan secara bertahap untuk masing-masing RT, RW, dan perangkat desa. Hasil yang diperoleh adalahsistem dapat meningkatkan kecepatan pelayanan administrasi desa. Pengembangan selanjutnya adalahmemasifkan penggunaan sistem SIANIDA.Kata Kunci : Pelayanan administratif, sistem administrasi digital, sistem informasi
Peramalan Kualitas Udara di Semarang Menggunakan Metode Autoregressive Integrated Moving Average (ARIMA) Nida Faoziatun Khusna; Syifa Aulia; Shinta Amaria; Alfidha Rahmah; Safril Ahmadi Sanmas; Fatkhurokhman Fauzi
Prosiding Seminar Nasional Unimus Vol 6 (2023): Membangun Tatanan Sosial di Era Revolusi Industri 4.0 dalam Menunjang Pencapaian Susta
Publisher : Universitas Muhammadiyah Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Pencemaran udara menjadi suatu permasalahan yang dialami oleh seluruh wilayah di Indonesia. KotaSemarang menjadi salah satu kota dengan polusi udara terburuk ke-10 di Indonesia. Untuk meminimalisirdampak dari pencemaran udara, perlu dilakukan peramalan nilai PM2.5 yaitu partikel udara super kecil yangapabila terhirup dapat membahayakan kesehatan. Metode ARIMA adalah salah satu metode yangdigunakan untuk memodelkan data time series dan bertujuan untuk meramalkan data pada waktu yang akandatang. Data pengamatan yang digunakan adalah data harian PM2.5 di Semarang mulai tanggal 3 Januarisampai 22 September 2023. Hasil analisis pada penelitian ini mendapatkan model yang sesuai untuk dataharian PM2.5 yaitu model ARIMA (1,1,1) dengan Mean Absolute Percentage Error (MAPE) sebesar13.71377 atau 13.714%. Hasil peramalan menunjukkan terjadinya peningkatan nilai PM2.5 dari waktusebelumnya. Dengan demikian, nilai kualitas udara di Semarang untuk waktu yang akan datang beradadalam tahap tidak sehat dan terjadi peningkatan pencemaran udara.Kata Kunci : ARIMA, Kualitas udara, Peramalan.